CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO
Existe um conjunto de métodos estatísticos que visam estudar a associação entre
duas ou mais variáveis aleatórias. Dentre tais métodos, a teoria da regressão e
correlação ocupa um lugar de destaque por ser o de uso mais difundido. Neste
capítulo serão abordados os fundamentos dos métodos estatísticos da correlação
e regressão, com vistas à sua aplicação em hidrologia. O objetivo deste capítulo
é o de apresentar os conceitos básicos que permitam ao leitor realizar estudos de
correlação e regressão linear entre duas ou mais variáveis aleatórias hidrológicas.
Na engenharia de recursos hídricos, algumas questões referem-se ao conhecimento
da associação e do grau de associação entre duas ou mais variáveis, como por
exemplo, as relações (i) entre as intensidades, as durações e as freqüências das
precipitações intensas (ii) entre as vazões médias anuais e as áreas de drenagem
ou (iii) entre as alturas anuais de precipitação e as altitudes dos postos
pluviométricos. Nesses estudos, o primeiro objetivo é o de analisar o
comportamento simultâneo das variáveis, tomadas duas a duas, verificando se a
variação positiva (ou negativa) de uma delas está associada a uma variação positiva
(ou negativa) da outra, ou mesmo, se não há nenhuma forma de dependência
entre elas. Nesse sentido, uma primeira abordagem exploratória é a elaboração
de um diagrama de dispersão entre as observações simultâneas das variáveis. O
diagrama de dispersão permite visualizar o grau de associação entre as variáveis
e a tendência de variação conjunta que apresentam. A Figura 9.1 apresenta alguns
exemplos de variação conjunta entre duas variáveis.
Figura 9.1 – Exemplos de relacionamento (Adaptado de Helsel e Hirsh, 1992)
HIDROLOGIA ESTATÍSTICA
355
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
A medida da variação conjunta das variáveis ou co-variação observada em um
diagrama de dispersão é a correlação entre as duas variáveis. Essa medida é
realizada numericamente por meio dos coeficientes de correlação que representam
o grau de associação entre duas variáveis continuas. As medidas genéricas de
correlação, freqüentemente são designadas por , são adimensionais e variam
entre -1 e +1. No caso de =0 , não existe correlação entre as duas variáveis.
Quando > 0, a correlação é positiva e uma variável aumenta quando a outra
cresce. A correlação é negativa, < 0,quando as variáveis variam em direções
opostas.
A correlação é chamada de monotônica se uma das variáveis aumenta ou diminui
sistematicamente quando a outra decresce, com associações que podem ter forma
linear ou não linear. A Figura 9.2 apresenta exemplos de correlações monotônicas
não lineares e não monotônicas.
Figura 9.2 – Exemplos de correlações (Adaptado de Helsel e Hirsh, 1992)
É importante salientar que variáveis altamente correlacionadas não apresentam
necessariamente qualquer relação de causa e efeito. A correlação representa
simplesmente a tendência que as variáveis apresentam quanto à sua variação
conjunta. Assim, a medida da correlação não indica necessariamente que há
evidências de relações causais entre duas variáveis. As evidências de relações
causais devem ser obtidas a partir do conhecimento dos processos envolvidos.
Obviamente haverá casos em que uma variável está na origem da outra, tais como
aqueles que associam a precipitação e o escoamento superficial em uma dada
bacia. Entretanto, existirão situações em que as variáveis apresentam a mesma
causa, como, por exemplo, a eventual forte correlação entre as vazões médias
mensais de duas bacias vizinhas não significa que a mudança da vazão de uma
delas é causada pela alteração da outra; certamente, as alterações são causadas
por fatores comuns às duas bacias.
356
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
9.1 – Coeficiente de Correlação Linear de Pearson
Duas variáveis apresentam uma correlação linear quando os pontos do diagrama
de dispersão se aproximam de uma reta. Essa correlação pode ser positiva (para
valores crescentes de X, há uma tendência a valores também crescentes de Y) ou
negativa (para valores crescentes de X, a tendência é observarem-se valores
decrescentes de Y). As correlações lineares positivas e negativas encontram-se
ilustradas na Figura 9.3.
Figura 9.3 – Correlações Lineares Positivas e Negativas
O coeficiente de correlação linear, também chamado de covariância normalizada
e representado por , é expresso por:
X ,Y X ,Y
X Y
(9.1)
onde, X,Y é a covariância entre as variáveis X e Y; X e Y são os desvios-padrão
das variáveis X e Y, respectivamente.
Quando duas variáveis, X e Y, são estatisticamente independentes, o coeficiente
de correlação linear é igual a zero, = 0. Entretanto a recíproca não é verdadeira,
ou seja, se o coeficiente de correlação linear é igual a zero, = 0, isso não
significa que as variáveis são independentes. Trata-se de uma decorrência do fato
de que o coeficiente de correlação linear, , é uma medida da dependência linear
entre as variáveis X e Y, e, em algumas situações, X e Y podem apresentar
dependência funcional não linear.
A covariância entre duas variáveispode ser estimada pela equação 9.2 e representa
uma medida possível do grau e do sinal da correlação.
HIDROLOGIA ESTATÍSTICA
357
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
n
∑ x x y
i
s X ,Y i
y
i 1
n 1
(9.2)
onde, sxy é a covariância amostral entre as variáveis X e Y; x e y são as médias
aritméticas de cada uma das variáveis; n é o tamanho da amostra; xi e yi são as
observações simultâneas das variáveis.
Entretanto, admitindo-se que a distribuição conjunta das variáveis X e Y é uma
distribuição normal bivariada, torna-se conveniente utilizar, como medida da
correlação, o chamado coeficiente de correlação linear de Pearson cujo estimador
é apresentado a seguir:
r
s X ,Y
s X sY
(9.3)
Na equação 9.3, r é coeficiente de correlação linear (-1 ≤ r 1), sXY é covariância
entre as variáveis, sX e sY são os desvios-padrão das amostras calculados pelas
equações:
n
∑ (x − x )
2
i
sX =
(9.4)
i =1
n −1
n
∑ y y
2
i
sY i 1
(9.5)
n 1
O coeficiente de correlação linear de Pearson é adimensional e varia entre -1 e
+1, o que não ocorre com a covariância. Assim, as unidades adotadas pelas
variáveis não afetam o valor do coeficiente de correlação. Caso os dados se
alinhem perfeitamente ao longo de uma reta com declividade positiva teremos a
correlação linear positiva perfeita com o coeficiente de Pearson igual a 1. A
correlação linear negativa perfeita ocorre quando os dados se alinham perfeitamente
ao longo de uma reta com declividade negativa e o coeficiente de correlação de
Pearson é igual a -1. O significado de valores intermediários é facilmente percebido.
A Figura 9.4 apresenta alguns diagramas de dispersão com os respectivos valores
do coeficiente de correlação.
358
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Figura 9.4 – Exemplos de coeficientes de correlação
Ressalta-se, novamente, que um valor do coeficiente de correlação alto, embora
estatisticamente significativo, não implica necessariamente numa relação de causa
e efeito, mas, simplesmente indica a tendência que aquelas variáveis apresentam
quanto à sua variação conjunta.
Outro cuidado que se deve tomar na análise de duas variáveis é com a ocorrência
de correlações espúrias, ou seja, qualquer correlação aparente entre duas variáveis
que não são correlacionadas de fato. As causas mais freqüentes da ocorrência
dessas correlações são: a distribuição não equilibrada dos dados, como está
apresentada na Figura 9.5; a relação entre quocientes de variáveis que apresentam
o mesmo denominador, ilustrado na Figura 9.6, e a relação de variáveis que foram
multiplicadas por uma delas, tal como mostrado na Figura 9.7.
Figura 9.5 – Distribuição não equilibrada dos dados
HIDROLOGIA ESTATÍSTICA
359
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Figura 9.6 – Correlação entre quocientes de variáveis
Figura 9.7 – Correlação entre produto de variáveis
9.1.1 – Testes de Hipóteses sobre o Coeficiente de Correlação
É possível testar a hipótese de que o coeficiente de correlação linear é igual a
zero, ou seja:
H0 : 0
H1 : 0
Como decorrência de algumas hipóteses distributivas, a estatística apropriada
para esse teste é a seguinte:
t0 360
r n2
1 r
2
HIDROLOGIA ESTATÍSTICA
(9.6)
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
onde, t 0 é a estatística do teste; n é o tamanho da amostra e r é a estimativa do
coeficiente de correlação linear.
A estatística do teste, t0 , segue uma distribuição t de Student com (n – 2) graus
de liberdade, sob a plausibilidade da hipótese nula H0 : = 0. A hipótese nula é
rejeitada se:
t 0 t / 2,n 2
(9.7)
onde, t / 2,n 2 é o valor crítico para a estatística do teste bilateral para um nível de
significância , com (n – 2) graus de liberdade.
Testar hipóteses para o coeficiente de correlação, 0 , diferente de zero, conforme
apresentado a seguir, é um pouco mais complicado.
H 0 : 0
H1 : 0
Segundo Montgomery e Peck (1992), para amostras de tamanho razoável (n 25),
a estatística:
Z arctan hr 1 ⎛1 r ⎞
ln⎜
⎟
2 ⎝1 r ⎠
(9.8)
é aproximadamente normalmente distribuída com média
1 ⎛1 ⎞
Z arctan h ln⎜⎜
⎟
2 ⎝ 1 ⎟⎠
(9.9)
e variância
Z2 n 31
(9.10)
Para testar a hipótese nula, =0 , pode ser calculada a estatística
Z 0 arctan hr arctan h 0 n 3
1
2
(9.11)
A hipótese nula será rejeitada se:
Z 0 Z / 2
(9.12)
onde, Z A / 2 é o valor crítico para a estatística do teste bilateral, a qual é dada pela
HIDROLOGIA ESTATÍSTICA
361
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
variável central reduzida da distribuição normal padrão associada a um nível de
significância .
Segundo os mesmos autores, também é possível construir um intervalo de
confiança, 100(1-), para utilizando a transformação obtida pela equação
(9.8). Nesse caso, o intervalo de confiança é dado por
Z
Z
⎡
⎤
⎡
⎤
tanh ⎢arctan hr / 2 ⎥ tanh ⎢ arctan hr / 2 ⎥
n 3⎦
n 3⎦
⎣
⎣
(9.13)
onde r é o coeficiente de correlação estimado, Z / 2 é o quantil da distribuição
normal padronizada com um nível de significância , n é tamanho da amostra e
tanhu e
e
u
u
e u
e u
(9.14)
9.2 – Regressão Linear Simples
Muitas vezes, a simples visualização do diagrama de dispersão sugere a existência
de uma relação funcional entre as duas variáveis. Essa observação introduz o
problema de se determinar uma função que exprima esse relacionamento. A análise
de regressão é uma técnica estatística cujo escopo é investigar e modelar a relação
entre variáveis.
Considerando que exista um relacionamento funcional entre os valores Y e X,
responsável pelo aspecto do diagrama, essa função deverá explicar parcela
significativa da variação de Y com X. Contudo, uma parcela da variação permanece
inexplicada e deve ser atribuída ao acaso. Colocando em outros termos, admitese a existência de uma função que explica, em termos médios, a variação de uma
das variáveis com a variação da outra. Freqüentemente, os pontos observados
apresentarão uma variação em torno da linha da função de regressão, devido à
existência de uma variação aleatória adicional denominada de variação residual.
Portanto, essa equação de regressão fornece o valor médio de uma das variáveis
em função da outra. Obviamente, caso se suponha conhecida a forma do modelo
de regressão, a análise será facilitada. O problema, então, estará restrito à
estimação dos parâmetros do modelo de regressão. Esse caso ocorrerá se existirem
razões teóricas que permitam saber previamente que modelo rege a associação
entre as variáveis. Geralmente, a forma da linha de regressão fica aparente na
própria análise do diagrama de dispersão.
362
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Admitindo ser uma reta a linha teórica de regressão, a função entre X e Y é a
seguinte:
Y X e
(9.15)
onde, Y é a variável dependente, X é a variável independente, e são os
coeficientes do modelo e e denota os erros ou resíduos da regressão.
Os coeficientes e da reta teórica são estimados através dos dados observados
fornecidos pela amostra, obtendo uma reta estimativa na forma
ŷi = a + bxi
(9.16)
onde a é a estimativa do coeficiente ( ˆ a ); b é a estimativa de ( Bˆ = b ); ŷ i é
o valor estimado da variável dependente e xi é o valor observado da variável
independente.
Existem vários métodos para a obtenção da reta desejada. O mais simples de
todos, que podemos chamar de “método do ajuste visual”, consiste simplesmente
em traçar diretamente a reta, com auxílio de uma régua, no diagrama de dispersão,
procurando fazer, da melhor forma possível, com que essa reta passe por entre os
pontos. Entretanto, esse procedimento subjetivo, somente será razoável se a
correlação linear for muito forte.
Um dos procedimentos objetivos mais adequados é a aplicação do método dos
mínimos quadrados, segundo o qual a reta a ser adotada deverá ser aquela que
torna mínima a soma dos quadrados dos erros ou resíduos da regressão.
9.2.1 – Método dos Mínimos Quadrados
O objetivo do método dos mínimos quadrados é encontrar a função de regressão
que minimize a soma das distâncias entre a função ajustada e os pontos observados
como apresentado na Figura 9.8. Adotando um modelo linear como da equação
9.15, os coeficientes e da reta teórica podem ser estimados através dos
pontos experimentais fornecidos pela amostra, obtendo uma reta estimativa na
forma da equação 9.16.
A distância, ei, entre o valor observado e o valor estimado pela reta de regressão
é dado por:
(9.17)
ei y i ŷ i
HIDROLOGIA ESTATÍSTICA
363
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
onde yi é o valor observado da variável dependente e ŷ i é o valor estimado da
variável dependente.
Substituindo na equação 9.17 o valor estimado pela equação 9.16, ŷ i , obtémse:
ei yi a bxi
(9.18)
Figura 9.8 – Linha de Regressão
O método dos mínimos quadrados consiste em minimizar o somatório dos
quadrados dos desvios entre o valor observado y i e o valor estimado ŷ i . Para o
ponto indexado por i, o desvio quadrático é dado por
ei2 yi a bxi yi2 2 yi a 2 yi bxi a 2 2abxi b 2 xi2
2
(9.19)
Para todos os n elementos da amostra,
n
n
n
n
n
n
i 1
i 1
i 1
i 1
i 1
i 1
Z ∑ i2 ∑ yi2 2a ∑ yi 2b∑ xi yi na 2 2ab∑ xi b 2 ∑ xi2
(9.20)
Como Z f a ,b , os valores de a e b que minimizam a equação acima são
aqueles obtidos calculando-se as derivadas parciais, em relação a a e b, e
igualando-as a zero,
⎧ Z
0
⎪
Mínimo de Z ⎨ a
Z
⎪
0
⎩ b
(9.21)
Calculando as derivadas para 9.20, obtém-se o seguinte sistema de equações
364
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
n
n
⎧ Z
2
y
2
na
2
b
xi 0
∑
∑
i
⎪ a
⎪
i 1
i 1
⎨
n
n
n
⎪ Z 2 x y 2a x 2b x 2 0
∑
∑
∑
i i
i
i
⎪⎩ b
i 1
i 1
i 1
(9.22)
Multiplicando as equações do sistema acima por (-1/2) encontra-se as equações
normais da regressão linear simples:
n
⎧n
y
na
b
xi 0
∑
⎪∑ i
⎪ i 1
i 1
(9.23)
⎨n
n
n
⎪ x y a x b x2 0
∑
∑
i i
i
i
⎪⎩∑
i 1
i 1
i 1
A resolução do sistema de equações normais permite a estimativa dos parâmetros
do modelo de regressão linear simples a partir dos dados amostrais:
n
a
∑y
n
i
i 1
n
i
b
n
b
∑x
i 1
n
n
(9.24)
y bx
n
n∑ xi yi ∑ yi ∑ xi
i 1
i 1
n
(9.25)
i 1
⎞
⎛
n∑ xi2 ⎜ ∑ xi ⎟
i 1
⎝ i 1 ⎠
n
2
9.3 – Coeficiente de Determinação
Após a estimativa dos coeficientes da reta de regressão, é necessário
verificar se os dados amostrais são descritos pelo modelo da equação 9.16 e,
além disso, determinar a parcela da variabilidade amostral que foi, de fato,
explicada pela reta de regressão. Essas questões podem ser analisadas
considerando a Figura 9.9, a qual possibilita a dedução da seguinte relação simples:
yi y i yˆ i yˆ i y y
(9.26)
A partir dessa equação, é possível demonstrar que
n
∑ y
i 1
i
y
2
n
n
i 1
i 1
2
2
∑ y i yˆ i ∑ yˆ i y (9.27)
O primeiro membro da equação 9.27 pode ser interpretado como proporcional à
variância total de Y, enquanto o segundo membro reflete a soma de termos
HIDROLOGIA ESTATÍSTICA
365
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
proporcionais às suas variâncias residual e explicada pelo modelo de regressão.
Em outros termos,
SQT SQ Re s SQ Re g
(9.28)
onde SQT é a soma quadrática total; SQ Re s é soma dos quadrados dos resíduos
e SQ Re g é a soma dos quadrados devidos à regressão.
Figura 9.9 – Componentes de Y
O coeficiente de determinação é dado pela relação entre a soma dos quadrados
devidos à regressão ( SQ Re g ) e a soma total dos quadrados (SQT), ou seja
n
r2 Variância Explicada SQ Re g
Variância Total
SQT
∑ ŷ
y
2
i
i
y
2
i 1
n
∑ y
(9.29)
i 1
onde r² é o coeficiente de determinação 0 r 2 1 , yi é o valor observado da
variável dependente, ŷ i é o valor estimado da variável dependente e y é a média
da variável dependente.
O coeficiente de determinação é sempre positivo e deve ser interpretado como a
proporção da variância total da variável dependente Y que é explicada pelo modelo
de regressão e que também pode ser estimado por:
r 2 = b2
366
s X2
sY2
HIDROLOGIA ESTATÍSTICA
(9.30)
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
onde s X2 é a variância amostral de X; sY2 é a variância amostral de Y e b é o
coeficiente angular da reta de regressão calculado pela equação 9.25.
O coeficiente de correlação amostral, r, está relacionado ao coeficiente de
determinação, r², através da seguinte equação:
r = ± r2
(9.31)
onde o sinal de r é o mesmo do de b.
9.4 – Hipóteses Básicas da Análise de Regressão Linear Simples (RLS)
As principais hipóteses da análise de regressão linear simples são a linearidade, a
normalidade e a homoscedasticidade dos resíduos. A hipótese de linearidade define
que a relação entre as variáveis analisadas deve ser linear, enquanto que o
pressuposto de normalidade estabelece que os valores de Y são normalmente
distribuídos para cada valor de X, conforme ilustrado na Figura 9.10.
Figura 9.10 – Hipótese de normalidade
A hipótese de homoscedasticidade estabelece que os resíduos ou erros ei,
ei yi xi , são realizações de uma variável aleatória independente e
normalmente distribuída, com média zero e variância constante e2 . A hipótese
de homoscedasticidade dos resíduos implica nas seguintes afirmações:
a) O valor esperado da variável erro ei é igual a zero, E ei 0
b) A correlação entre ei e ej com i j é é igual a zero
HIDROLOGIA ESTATÍSTICA
367
c) Como Var ei Var e j , para i j , a Var(ei) não varia com xi, ou seja, a
variância dos resíduos é constante.
O modelo de regressão linear simples será perfeito se todos os pontos da amostra
utilizados na estimativa dos parâmetros estiverem sobre a reta ajustada. Entretanto,
a ocorrência de um modelo perfeito dificilmente será observada. A regressão
linear simples possibilita uma estimativa aproximada de um valor de Y para um
dado valor de X. Sendo assim, é importante uma medida da variabilidade dos
pontos amostrais acima e abaixo da reta de regressão, tal como a dispersão
esquematicamente ilustrada na Figura 9.8. Intrinsecamente ao processo de
estimação dos parâmetros da reta de regressão, foi feita a premissa de que os
erros são realizações de uma variável aleatória independente e normalmente
distribuída com média zero, ou seja, E ei 0 , e variância e2 . Como E ei 0 ,
a variância dos erros ou resíduos ei será:
Var ei e2 E ei2 E 2 ei E ei2
(9.32)
Uma estimativa não enviesada da variância dos resíduos em torno da reta de
regressão pode ser obtida por:
n
ˆ e2 se2 n
∑ ei2
i 1
n2
∑ y
i
ŷ i i 1
2
(9.33)
n2
A raiz quadrada da variância dos resíduos ei é chamada de erro padrão da
estimativa, e , e mede a dispersão dos resíduos em torno da reta de regressão.
O erro padrão da estimativa pode ser estimado por
n
ˆ e se ∑ y
i
yˆ i i 1
2
(9.34)
n2
Devido à variabilidade amostral, a reta de regressão obtida da amostra extraída
da população é uma das muitas retas possíveis. Os valores calculados para a e b
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
são estimativas pontuais dos parâmetros populacionais e . As retas da
população e da amostra são paralelas quando b e terão apenas um ponto
necessariamente coincidente, a saber, a média da amostra x e a média da amostra
y, quando b .
Os intervalos de confiança para os coeficientes e da reta de regressão são
estimados por
a t
s at
s
bt
s bt
s
a
1 ,n 2
2
a
1 ,n 2
2
b
1 ,n 2
2
onde t
b
1 ,n 2
2
(9.35)
(9.36)
é valor do t de Student para (1- e (n – 2) graus de liberdade;
1 ,n 2
2
a e b são os estimadores dos parâmetros da reta de regressão; sa é o desviopadrão da estimativa do parâmetro a e indica quão afastado o parâmetro estimado
está do parâmetro populacional. A equação utilizada para o cálculo de sa é dada
por:
⎛
⎞
⎜
⎟
2
x
2⎜ 1
⎟
n
s a se
⎜n
2 ⎟
xi x ⎟
⎜
∑
i 1
⎝
⎠
(9.37)
sb é desvio-padrão da estimativa de b, calculado por:
sb s 2e
n
∑ x
i
x
2
(9.38)
i 1
no cálculo de sa e sb tem-se:
n
∑e
2
i
s e2 i 1
(9.39)
n2
onde ei yi yˆ i ; n é o tamanho da amostra; x é a média da variável
independente; e xi é o valor observado da variável independente.
HIDROLOGIA ESTATÍSTICA
369
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
9.5.1 – Intervalos de Confiança para a Linha de Regressão Linear Simples
A reta obtida por mínimos quadrados é uma estimativa da função de regressão
dada pela equação 9.15. De forma que, para um valor fixo x' , o ŷ ' calculado
pela relação a bx' , corresponde a uma estimativa do valor que seria obtido pelo
modelo de regressão linear, y = A + Bx' .
A construção de um intervalo de confiança para α + β x' pode se basear em sua
estimativa, ŷ ' . Considerando um valor x' que não foi utilizado no cálculo dos
parâmetros da reta de regressão, demonstra-se que:
μ(ŷ' ) = α + βx'
(9.40)
⎡
⎤
2
⎢1
⎥
x' x
ˆ 2 ŷ' ˆ e2 ⎢ n
⎥
2⎥
⎢n
xi x ⎥
∑
⎢⎣
i 1
⎦
(9.41)
O intervalo de confiança para a reta de regressão é dado por:
ŷ' t
1 ,n 2
2
se
1
n
x' x 2
n
∑ xi x 2
(9.42)
i 1
onde ŷ' a bx' , t
é valor do t de Student, para (1- e (n – 2) graus
A
1− ,n − 2
2
de liberdade; e se é calculado pela equação 9.34.
Analisando a equação 9.42, observa-se que a amplitude do intervalo será mínima
quando x’ for igual ao valor médio da amostra utilizada na definição da equação
de regressão. Além disso, percebe-se que quanto mais distante x’ estiver da média
mais amplo será o intervalo. O limite inferior e superior do intervalo de confiança
define a região de confiança em torno da reta de regressão, ou seja, tem-se um
nível de confiança, 1 - , de que a reta teórica, y x , estará contida dentro
dessa região. A Figura 9.11 ilustra a região de confiança em torno da reta de
regressão.
370
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
9.5.2 – Intervalos de Confiança para um Valor Previsto pela RLS
Também é interessante estimar um intervalo com nível de confiança 1 - , no qual
estará contido um valor previsto de y, calculado para um certo valor especificado
de x.' Os intervalos de confiança para um valor da variável dependente a ser
previsto, ŷ ' ,utilizando um valor x ' , são estimados por:
1
se 1 1 ,n 2
n
2
ŷ' t
x' x 2
n
2
∑ xi x i 1
onde ŷ' a bx' , t
A
1− ,n − 2
2
1
se 1 1 ,n 2
n
2
ŷ' ŷ' t
x' x 2
n
2
∑ xi x (9.43)
i 1
é valor do t de Student para (1- e (n – 2) graus;
e se é calculado pela equação 9.34.
Variando x' na equação 9.43 obtêm-se a região de previsão para y '. Comparando
as equações 9.42 e 9.43 verifica-se que o intervalo de confiança para um valor
previsto é mais amplo que o estimado para a reta de regressão, como pode ser
visualizado na Figura 9.11.
Figura 9.11 – Intervalos e Confiança
HIDROLOGIA ESTATÍSTICA
371
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
9.6 – Avaliação da Regressão Linear Simples
A análise de regressão é uma das técnicas mais úteis na hidrologia, mas exige
certo cuidado na sua aplicação. Inicialmente devem ser verificadas as hipóteses
da regressão, ou seja, avaliar a linearidade entre as variáveis X e Y, a independência
dos resíduos e se estes seguem uma distribuição normal com média zero e variância
constante e2 .
A linearidade pode ser avaliada por meio do gráfico de dispersão entre as variáveis
X e Y e pelo exame do valor da estimativa do coeficiente de correlação de Pearson.
A existência de relação linear entre as variáveis X e Y também pode ser avaliada
a partir de um teste de hipótese sobre o coeficiente angular da equação 9.15.
As hipóteses nula e alternativa podem ser expressas da seguinte forma:
H 0 : 0 (não existe relação linear)
H 0 : 0 (existe relação linear)
A estatística do teste, t, é igual a diferença entre a inclinação estimada a partir dos
dados amostrais, b, e a inclinação da população, , dividida pelo erro padrão da
inclinação, sb, calculado pela equação 9.38, ou seja,
t
b
sb
(9.44)
No caso da plausibilidade da hipótese nula, H0 : 0 , obtém-se
t
b
sb
(9.45)
A hipótese nula, H0, é rejeitada se t > t1−A
2
,n − 2
, onde t
é valor do
1 ,n 2
2
t de Student para um nível de significância teste bilateral) e (n – 2) graus de
liberdade.
Outra maneira de se avaliar a existência de uma relação linear entre as variáveis
é realizada a partir do intervalo de confiança do parâmetro, cuja estimativa foi
detalhada no item 9.5. O teste consiste em verificar se o valor zero está contido
dentro do intervalo de confiança de . Se o valor zero estiver contido dentro do
intervalo de confiança, não existe relação linear entre as variáveis.
A independência dos resíduos pode ser verificada com gráficos dos resíduos em
relação à variável prevista, Y. A Figura 9.12 ilustra duas situações: uma onde se
372
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
verifica a independência dos resíduos e a outra na qual se observa a ocorrência
de dependência.
Figura 9.12 – Verificação da independência
Os métodos de análise de freqüência, descritos no capitulo 8, assim como a
elaboração de gráficos de probabilidade Normal dos resíduos possibilitam a
verificação da hipótese de normalidade. Contudo, para amostras pequenas, as
definições sobre a normalidade dos resíduos geralmente não são conclusivas.
No caso da homoscedasticidade, a hipótese de média nula para os resíduos é
garantida por construção. Entretanto, a hipótese de variância constante, e2 ,
deve ser verificada por meio de análise gráfica entre os resíduos e a variável
dependente X. A Figura 9.13 apresenta situações de verificação e violação de
variância constante.
Figura 9.13 – Verificação da variância dos resíduos
HIDROLOGIA ESTATÍSTICA
373
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Uma medida da qualidade da regressão pode ser obtida pela comparação do
erro padrão da estimativa, se, com o desvio padrão da variável dependente Y, sY.
Ambos, sY e se, apresentam as mesmas unidades e são, portanto, diretamente
comparáveis, embora se tenha apenas n - 2 graus de liberdade e sY tenha n - 1.
Caso a equação de regressão se ajuste bem aos dados amostrais, o erro padrão
da estimativa se aproxima de zero. Entretanto, se o erro padrão da estimativa
tiver valor próximo do desvio padrão de Y, o ajuste entre os dados amostrais e a
equação de regressão será muito ruim. Assim, o erro padrão da estimativa deve
ser comparado em seus extremos, a saber, zero e sY. Além disso, deve ser avaliado
o coeficiente de determinação r2, que expressa a proporção da variância total da
variável dependente Y que é explicada pela equação de regressão.
Outro aspecto importante no uso de modelos de regressão é a sua extrapolação.
De uma forma geral, não é recomendada a extrapolação da equação de regressão
para além dos limites dos dados amostrais utilizados na estimativa dos parâmetros
do modelo de regressão linear. O desestímulo à extrapolação apresenta
basicamente dois motivos. O primeiro está associado ao fato do intervalo de
confiança sobre a linha de regressão alargar, à medida que os valores da variável
independente X se afastam da média, como pode ser visto na Figura 9.11. A outra
razão é que a relação entre as variáveis X e Y pode não ser linear para valores que
extrapolam os dados utilizados na regressão, como ilustrado na Figura 9.14.
f
Figura 9.14 – Extrapolação do modelo de regressão
374
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
9.7 – Regressão Não-Linear com Funções Linearizáveis
Algumas funções podem ser linearizadas mediante o uso de transformações
adequadas permitindo a aplicação da regressão linear simples. Um exemplo pode
ser a função potencial a seguir:
y ax b
(9.46)
Realizando a anamorfose logarítmica dessa função, obtém-se:
ln y ln ax b
(9.47)
ln y ln a ln x b
(9.48)
ln y ln a b ln x
(9.49)
Alterando as variáveis de forma que z ln y , k = ln a ee v = ln x , a equação
9.49 se transforma na equação da reta:
z = k + bv
(9.50)
Trabalhando com as variáveis transformadas z = ln y e v = ln x, é possível estimar
os parâmetros k e b com as equações 9.24 e 9.25, respectivamente. Calculando
o antilogaritmo de k estima-se o parâmetro a da equação 9.46.
De forma análoga, a função y = ab x pode ser resolvida utilizando as variáveis x e
a transformada ln y . Existem muitas outras funções linearizáveis, como por
exemplo, y a b.x 2 , que estão listadas no Anexo 10. Porém, como o
processo de linearização pode envolver a transformação da variável dependente
Y, em alguns casos as hipóteses da regressão podem não ser atendidas, após a
modificação, prejudicando a aplicação dos testes estatísticos descritos
anteriormente.
Exemplo 9.1 – Na Tabela 9.1 estão apresentados os valores médios de
vazões máximas anuais e as respectivas áreas de drenagem de 22 estações
fluviométricas que compõem uma região homogênea de um estudo de
regionalização de vazões máximas da bacia do alto São Francisco no qual
foi aplicado o método index-flood, ou cheia-índice, a ser descrito no capítulo
10. Nesse estudo as médias das vazões máximas anuais foram utilizadas
como fator de adimensionalização das séries. Estabelecer uma regressão
entre as médias das vazões máximas anuais e as áreas de drenagem, de
HIDROLOGIA ESTATÍSTICA
375
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
forma a permitir a estimativa da cheia-índice (ou index-flood) em locais
que não possuam estações fluviométricas.
Tabela 9.1 – Área de drenagem e médias das vazões máximas anuais
Est.
2
3
4
7
8
9
10
11
Área (Km²) 269,1
481,3
1195,8
1055,0
1801,7 1725,7
1930,5
2000,2
1558,0
2504,1
5426,3
31,2
49,7
100,2
109,7
154,3
172,8
199,1
202,2
207,2
263,8
483,8
Q (m³/s)
1
5
6
ln A
5,59508 6,17649 7,08657 6,96130 7,49649 7,45339 7,56553 7,60100 7,35116 7,82568 8,59901
ln Q
3,44074 3,90560 4,60707 4,69784 5,03857 5,15190 5,29376 5,30906 5,33364 5,57500 6,18161
Est.
16
17
18
19
20
22
21
13
14
15
Área (Km²) 7378,3
9939,4
8734,0
8085,6
8986,9 11302,2 10711,6 13881,8 14180,1 16721,9 26553,0
539,4
671,4
690,1
694,0
742,8
Q (m³/s)
12
753,5
823,3
889,4
1032,4
1336,9
1964,8
ln A
8,90630 9,20426 9,07498 8,99784 9,10352 9,33275 9,27908 9,53833 9,55959 9,72447 10,18690
ln Q
6,29038 6,50941 6,53685 6,54241 6,61043 6,62469 6,71336 6,79050 6,93964 7,19810 7,58312
Solução: Inicialmente é elaborado um diagrama de dispersão, conforme
está apresentado na Figura 9.15.
Figura 9.15 – Diagrama de dispersão
Analisando esse diagrama, percebe-se que a relação entre as variáveis área
de drenagem e média da vazão máxima anual pode ser expressa por uma
função potencial como a equação 9.46, ou seja,
Q = kAb
(9.51)
Os parâmetros k e b podem ser estimados por meio da regressão linear
simples, após a linearização da equação 9.51. A linearização é realizada
376
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
por anamorfose logarítmica como apresentado a seguir:
ln Q ln k b ln A
(9.52)
Assim, para concretização da regressão linear simples é necessário calcular
os logaritmos da área de drenagem e das médias das vazões máximas anuais,
como apresentado na Tabela 9.1. A linearidade entre as variáveis, em
coordenadas logarítmicas, pode ser visualizada na Figura 9.16.
2 0,8751ln A
Figura 9.16 – Linearidade entre as variáveis
Utilizando as equações 9.24 e 9.25 e os logaritmos da Tabela 9.1, calculase os parâmetros da equação 9.52, b = 0,8751 e a = ln(k) = - 1,4062 .
A equação 9.52 é reescrita da seguinte forma:
ln Q = _1,4062 + 0,8751.ln A
(9.53)
A equação 9.53 permite a estimativa de ln Q em função do logaritmo da
área de drenagem. O ajuste entre os logaritmos das médias das vazões
máximas anuais e a reta de regressão da equação 9.53 está apresentado na
Figura 9.17
As diferenças ou os resíduos entre os valores observados e os calculados
pela reta de regressão estão na Tabela 9.2.
HIDROLOGIA ESTATÍSTICA
377
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Figura 9.17 – Ajuste entre as observações e a reta de regressão
Tabela 9.2 – Resíduos
Est.
1
2
3
4
5
6
7
10
11
ln Q
3,4407
3,9056
4,6071
4,6978
5,0386
5,1519
5,2938
5,3091 5,3336
5,5750
6,1816
3,4900
3,9988
4,7952
4,6856
5,1540
5,1162
5,2144
5,2454 5,0268
5,4420
6,1188
0,0122 -0,1154
0,0357
0,0794
0,0636 0,3069
0,1330
0,0628
Previsto
Res.
-0,0493 -0,0932 -0,1882
8
21
22
6,7905 6,9396
7,1981
7,5831
6,9408 6,9594
7,1037
7,5083
0,0502 -0,1362 -0,0005 -0,1503 -0,0197
0,0944
0,0748
19
Est.
12
13
14
15
16
17
18
ln Q
6,2904
6,5094
6,5369
6,5424
6,6104
6,6247
6,7134
6,3877
6,6484
6,5353
6,4678
6,5603
6,7609
6,7139
-0,0973 -0,1390
0,0016
0,0746
Previsto
Res.
9
20
Os valores observados e os calculados com a equação de regressão
permitem a estimativa dos termos da equação 9.27, ou seja, os somatórios
dos quadrados total, dos resíduos e os devidos à regressão. Os valores
desses somatórios estão apresentados na Tabela 9.3.
Tabela 9.3 – Somatórios dos Quadrados
Regressão
Resíduo
Total
Graus de
Liberdade
Somatórios dos
Quadrados
1
20
21
24,7726
0,2803
25,0529
O coeficiente de determinação r² é calculado através da equação 9.29.
r2 =
SQ Re g 24,7726
=
= 0,989
SQT
25,0529
O coeficiente de correlação, r, é igual a 0,994.
378
HIDROLOGIA ESTATÍSTICA
(9.54)
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Após o cálculo dos parâmetros e dos resíduos é possível verificar as hipóteses
da regressão. A seguir é verificada a hipótese de homoscedasticidade dos
resíduos. Avaliando a Figura 9.18 observa-se que os resíduos parecem ser
independentes e que a variância pode ser considerada aproximadamente
constante.
Figura 9.18 – Resíduos
Como o somatório dos resíduos é igual a zero, a sua média também é igual
a zero. A raiz quadrada da variância dos resíduos ou o erro padrão da
estimativa é calculado pela equação 9.34.
n
∑ y
ŷi 2
(9.55)
SQ Re s
0 ,2803
0 ,1184
n2
n2
20
A Figura 9.19 apresenta o ajuste entre os resíduos e uma distribuição normal
de média zero e desvio padrão igual a 0,1184.
ˆ e se i 1
i
Figura 9.19 – Ajuste dos resíduos à distribuição normal
HIDROLOGIA ESTATÍSTICA
379
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Os intervalos de confiança para os coeficientes e da reta de regressão
são estimados com as equações 9.35 e 9.36. Adotando um nível de
significância de 5% obtém-se:
1,77045 0 ,04196 e 0,83168 ≤ β ≤ 0,91851
No calculo dos limites desses intervalos foram utilizadas os seguintes valores:
t t0 ,975 ,21 2 ,086
1 ,n 2
2
⎛
⎞
⎜
⎟
2
s 2e
x
2⎜ 1
⎟
0 ,0208
s a se
0,1746 e sb n
⎜n n
2
2 ⎟
xi x xi x ⎟
∑
⎜
∑
i 1
i 1
⎝
⎠
A relação linear entre as variáveis ln Q e ln A também pode ser avaliada
através de um teste de hipótese com o coeficiente angular da reta de
regressão, como descrito no item 9.5. Neste exemplo, a estatística do teste
é dada por:
t
b 0,8751 0
42,072
sb
0,0208
(9.56)
Como t > t1−A ,n − 2 , pois t 0 ,975 ,21 2,086 , a hipótese nula, = 0 , é rejeitada
2
a um nível de significância de 5%, ou seja, a relação entre as variáveis pode
ser considerada linear com uma confiança de 95%.
As etapas anteriores descreveram a regressão linear simples das variáveis
transformadas, entretanto, para estimativa do fator “index-flood” utiliza-se
a equação na forma potencial como descrito acima. Assim, o parâmetro k
da equação 9.51 é definido da seguinte forma:
k expa exp 1,4062 0 ,2451
(9.57)
A equação 9.51 é reescrita como:
Q kAb 0,2451A0 ,8751
(9.58)
Finalmente é realizada uma comparação entre os valores observados e os
estimados com a equação 9.58 como está apresentado na Tabela 9.4 e
Figura 9.20.
380
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Tabela 9.4 – Desvios Percentuais (DP)
n
1
2
3
4
5
6
7
8
9
10
11
Qobs (m³/s)
31,2
49,7
100,2
109,7
154,3
172,8
199,1
202,2
207,2
263,8
483,8
Qcalc (m³/s)
32,8
54,5
120,9
108,4
173,1
166,7
183,9
189,7
152,4
230,9
454,3
DP (%)
5,1
9,8
20,7
-1,2
12,2
-3,5
-7,6
-6,2
-26,4
-12,5
-6,1
n
12
13
14
15
16
17
18
19
20
21
22
Qobs (m³/s) 539,4
671,4
690,1
694,0
742,8
753,5
823,3
889,4
1032,4
1336,9 1964,8
Qcalc (m³/s) 594,5
771,6
689,0
644,1
706,5
863,4
823,8
1033,6 1053,0
1216,4 1823,2
14,9
-0,2
-7,2
-4,9
14,6
0,1
DP (%)
10,2
16,2
2,0
-9,0
-7,2
Figura 9.20 – Vazões calculadas versus observadas e desvio percentual
9.8 – Regressão Linear Múltipla
Na regressão múltipla estuda-se o comportamento de uma variável dependente Y
em função de duas ou mais variáveis independentes Xi. Se a variável Y variar
linearmente com as variáveis Xi, pode-se adotar um modelo geral com a seguinte
forma:
Y 1 X 1 2 X 2 L P X P
(9.59)
onde Y é a variável dependente ou prevista; X 1 , X 2 ,L , X P são as variáveis
independentes ou explicativas e 1 , 2 ,L , P são os coeficientes de regressão.
A partir de um conjunto de n valores da variável Y, associados às n observações
correspondentes das P variáveis independentes, e utilizando a equação 9.59,
pode-se escrever
HIDROLOGIA ESTATÍSTICA
381
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
⎧ Y1 = B1 X 1,1 + B 2 X 1,2 + L + B P X 1,P
⎪Y = B X + B X + L + B X
⎪ 2
1
2 ,1
2
2 ,2
P
2 ,P
⎨
M
⎪
⎪⎩Yn = B1 X n ,1 + B 2 X n ,2 + L + B P X n ,P
(9.60)
no qual Yi é o i-ésimo valor da variável dependente e Xi,j é a i-ésima observação
da j-ésima variável independente. O sistema de equações 9.60 pode ser
representado na forma de matriz:
⎡Y1 ⎤ ⎡ X 1,1
⎢Y ⎥ ⎢ X
⎢ 2 ⎥ ⎢ 2 ,1
⎢M⎥ ⎢ M
⎢ ⎥ ⎢
⎣Yn ⎦ ⎣ X n ,1
X 1,2
X 2 ,2
M
X n ,2
L X 1,P ⎤ ⎡ 1 ⎤
L X 2 ,P ⎥⎥ ⎢ 2 ⎥
.⎢ ⎥
L
M ⎥⎢ M ⎥
⎥⎢ ⎥
L X n ,P ⎦ ⎣ n ⎦
(9.61)
ou em notação matricial,
Y X . (9.62)
onde Y é um vetor (n x 1) das observações da variável dependente; X é uma
matriz (n x P) com as n observações de cada uma das P variáveis independentes,
e é um vetor (P x 1) com os parâmetros desconhecidos. A equação 9.62 terá
um termo de intercepto, 1 , se X i ,1 1 ; doravante, no presente texto, adota-se
a condição de Xi,1 = 1 para i de 1 até n.
De maneira análoga à regressão linear simples, os coeficientes desconhecidos i
n
podem ser estimados pela minimização do somatório dos erros quadráticos, ∑ ei ,
i 1
onde,
2
P
ei Yi Ŷi Yi ∑ ˆ j X i , j
(9.63)
i 1
Em representação matricial,
T
e 2 e e Y Xˆ
∑
i
Y Xˆ T
(9.64)
Diferenciando a equação 9.64, em relação a ˆ , e igualando a derivada parcial
a zero, obtém-se o sistema
X T Y X T Xˆ 382
HIDROLOGIA ESTATÍSTICA
(9.65)
ˆ
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
que representa as equações normais de regressão. As soluções da equação 9.65
1
T
são encontradas pela multiplicação dois termos da equação por X X .
Desse modo, o vetor ˆ pode ser estimado por:
[β]=([X]T [X])-1 [X]-1 [Y]
(9.66)
De maneira semelhante à regressão simples, o somatório total dos quadrados
pode ser apresentado em três parcelas:
∑Y
i
2
nY 2 ∑ Yi Ŷi ∑ Ŷ Y
2
2
(9.67)
ou, em notação matricial, como:
Y T Y nY 2 ˆ X T Y n.Y 2 Y T Y ˆ X T Y T
ˆ X X T
1
T
(9.68)
Freqüentemente, essas parcelas dos somatórios dos quadrados são apresentadas
na forma de uma tabela de análise de variância (ANOVA), tal como a ilustrada na
Tabela 9.5. O quadrado médio, na Tabela 9.5, resulta da divisão do somatório
dos quadrados pelo respectivo número de graus de liberdade.
X T Y Tabela 9.5 – Tabela ANOVA da regressão múltipla
Fonte
Graus de liberdade
Somatório dos quadrados
Quadrado médio
SQ Re g
P
SQ Re s
QM Re s n P 1
Regressão
P
Resíduos
n – P -1
X Y nY
SQ Re s Y Y ˆ X Y Total
n-1
SQT Y Y nY 2
SQ Re g ˆ
T
T
2
T
T
T
QM Re g T
O coeficiente de determinação múltipla R² é definido pela seguinte relação:
T
SQ Re g
ˆ X T Y nY 2
R SQT
Y T Y nY 2
2
(9.69)
O coeficiente de determinação múltipla varia entre 0 a 1 e expressa a proporção
da variância que é explicada pelo modelo de regressão. O coeficiente de correlação
múltipla é calculado pela extração da raiz quadrada da equação 9.69.
Uma estimativa não enviesada da variância dos erros, Var ou e2 , é dada
por s e2 que é calculada pelo quadrado médio dos resíduos, conforme está
apresentado a seguir.
HIDROLOGIA ESTATÍSTICA
383
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
T
T
T
SQ Re s Y Y ˆ X Y s QM Re s (9.70)
n P 1
n P 1
O erro padrão da equação de regressão linear múltipla, e , é estimado por se,
o qual é calculado pela raiz quadrada da equação 9.70.
2
e
9.8.1 – Teste da Significância da Equação de Regressão Linear Múltipla
A existência de uma relação significativa entre a variável dependente e as variáveis
independentes ou explicativas, pode ser avaliada pelo seguinte teste de hipóteses:
H 0 : 1 2 L n 0 (a relação entre as variáveis não é linear)
H1 : pelo menos um i 0
Esse teste é conhecido como ‘teste do F total’, o qual é utilizado para testar a
razão entre duas variâncias e, assim, pode ser empregado para verificar a hipótese
nula. A estatística do teste é a relação entre a variância decorrente da regressão
linear múltipla e variância dos resíduos, ou seja,
F
QM Re g
QM Re s
(9.71)
Os quadrados médios da regressão e dos resíduos ( QM Re g e QM Re s )
podem ser calculados pelas equações apresentadas na Tabela 9.5. A hipótese
nula será aceita se
F F , P , n p 1
(9.72)
onde é o nível de significância, P e n P 1 são os graus de liberdade da
distribuição F de Snedecor, sendo que P é o número de variáveis independentes.
9.8.2 – Teste de Partes de um Modelo de Regressão Linear Múltipla
A contribuição de uma variável explicativa ao modelo de regressão múltipla pode
ser determinada pelo critério do chamado ‘teste do F parcial’. De acordo com
esse critério, avalia-se a contribuição de uma variável explicativa para a soma dos
quadrados devido a regressão, depois que todas as outras variáveis independentes
foram incluídas no modelo. Sendo assim, a contribuição de uma variável Xk para
a soma dos quadrados da regressão, SQ Re g X k , considerando que as outras
384
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
variáveis estão incluídas, é estimada pela diferença dada por
SQ Re g X k = SQ Re g (todas as variáveis com Xk) - SQ Re g (todas as
variáveis sem Xk)
(9.73)
A verificação se a inclusão de uma variável Xk melhora significativamente o modelo
de regressão é realizada por meio de um teste com as seguintes hipóteses nula e
alternativa:
H0 : a variável Xk não melhora significativamente o modelo
H1 : a variável Xk melhora significativamente o modelo
A estatística do teste é dada pela relação entre a contribuição da variável Xk à
soma dos quadrados devido a regressão, SQ Re g X k , calculada pela equação
9.73, e a variância dos resíduos considerando o modelo com todas as variáveis
inclusive Xk, que é estimada pelo quadrado médio dos resíduos apresentado na
Tabela 9.5. Formalmente,
FP SQ Re g X k QM Re s
(9.74)
A hipótese nula deve ser rejeitada se a estatística FP for maior que o valor critico
da distribuição F de Snedecor, com 1 e n P 1 graus de liberdade, e nível de
significância , onde n é o tamanho da amostra e P é o número de variáveis
explicativas incluindo Xk, ou seja, rejeita-se H0 se
FP F ,1, n p 1
(9.75)
9.8.3 – Coeficiente de Determinação Parcial
O coeficiente de determinação múltipla, R², avalia a proporção da variância da
variável dependente Y que é explicada pelas variáveis independentes Xi. Todavia,
também é importante avaliar a contribuição de cada variável explicativa em relação
ao modelo de regressão múltipla. A proporção da variância da variável dependente
Y que é explicada por uma variável independente Xk, enquanto se mantém constante
as outras variáveis explicativas, é estimada pelo coeficiente de regressão parcial
RYk2 P k . Para um modelo de regressão múltipla com P variáveis explicativas, o
coeficiente de determinação parcial para a k-ésima variável é dado por:
RYk2 P k SQ Re g X k SQT SQ Re g SQ Re g X k (9.76)
HIDROLOGIA ESTATÍSTICA
385
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
onde SQT é a soma dos quadrados total, SQ Re g é a soma dos quadrados da
regressão com todas as variáveis inclusive Xk, ambos calculados pelas fórmulas
apresentadas na Tabela 9.5, e SQ Re g X k é a contribuição da variável Xk para
a soma dos quadrados da regressão estimada pela equação 9.73.
9.8.4 – Inferências sobre os Coeficientes da Regressão Linear Múltipla
Nesse item também serão admitidas as hipóteses que os resíduos ou erros ei são
independentes e normalmente distribuídos com média zero e variância e2 . A
variância de ˆ i é estimada pela seguinte relação:
ˆ ˆ ˆ2 Sˆ2 Cii1
ˆ e2
V̂ar i
i
(9.77)
i
onde C ii1 é o i-ésimo elemento da diagonal de X T X
variância dos erros ei .
1
ˆ e2 á estimativa de
e
Se o modelo estiver correto, então ˆ i S ˆ i é distribuído conforme t de Student, com
n P 1 graus de liberdade, onde s ˆ i é uma estimativa de ˆ i calculada por:
(9.78)
1 2
ii e
sˆ C s
i
s e2 é uma estimativa da variância dos resíduos ei , tal como calculada pela equação
9.70.
Um teste de hipótese para verificar se i 0 , onde 0 é um valor constante
conhecido, pode ser implementado com as seguintes hipóteses nula e alternativa:
H 0 : i 0
H1 : i 0
Para tais hipóteses, a estatística do teste é calculada pela relação:
ˆ 0
t i
s ˆ
(9.79)
i
A hipótese nula H0 deve ser rejeitada se
t t1
2
,n P 1
(9.80)
onde é o nível de significância (teste bilateral), n é tamanho da amostra e P é
número de variáveis independentes do modelo.
386
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Um teste para a hipótese nula, H 0 : i 0 , e hipótese alternativa, H 1 : i 0 ,
é equivalente a testar a significância da i-ésima variável independente na explicação
da variância da variável dependente. A estatística do teste é calculada pela equação
9.79 considerando 0 0 e a verificação da hipótese é realizada com a equação
9.80. Caso a hipótese nula seja aceita, i 0 , sendo recomendável que a iésima variável explicativa seja retirada do modelo.
Verifica-se facilmente que a estatística do teste F parcial, equação 9.74, e a
estatística t, equação 9.79, apresentam a seguinte relação:
F1,gl t gl2
(9.81)
onde gl é são os graus de liberdade.
Os intervalos de confiança para os coeficientes da regressão, i , são dados por:
ˆ i t
s
(9.82)
ˆ
1 ,n P 1 i
2
9.8.5 – Intervalos de Confiança da Regressão Linear Múltipla
Os limites de confiança de Yh, onde Yh X h ˆ , são definidos a partir da
variância de Ŷh . Neste caso, Ŷh é uma estimativa de Y (um escalar), no ponto
[X h ] (um vetor 1 x P) no espaço P dimensional e [ ˆ ]é um vetor contendo as
estimativas de β . A variância de Ŷh é calculada por:
Var Ŷh e2 X h X T X
X 1
T
h
(9.83)
onde S e2 é a estimado por s e2 através da equação 9.70.
Os limites de confiança de Ŷh são estabelecidos por:
X h ˆ t1 ,n P 1
Var Ŷh
(9.84)
2
Os intervalos de confiança de um valor individual previsto Ŷh são estimados pela
equação a seguir:
X h ˆ t1 ,n P 1
Vari Ŷh
(9.85)
2
onde Vari(Yh) é a variância de um valor individual previsto de Y calculado com
HIDROLOGIA ESTATÍSTICA
387
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
X h , sendo estimada por:
ˆ e2 1 X h X T X
V̂ari Ŷh X 1
T
h
(9.86)
9.8.6 – Transformações de um Modelo de Regressão Múltipla
Em alguns casos, a violação do pressuposto de homoscedasticidade dos resíduos
pode ser superada, por meio da transformação da variável dependente, das
variáveis explicativas ou de ambas. Além disso, a transformação de variáveis pode
permitir a linearização de uma relação não linear. De uma forma geral, a modificação
das variáveis para alcançar os critérios de homoscedasticidade não é uma tarefa
fácil. As transformações mais utilizadas são a de raiz quadrada, a logarítmica e a
recíproca, conforme apresentado a seguir:
Y 0 1 X 1 2 X 2 L (9.87)
Y 0 1 ln X 1 2 ln X 2 L (9.88)
Y 0 1
1
1
2
L X1
X1
(9.89)
As transformações de modelos não lineares podem ser obtidas por meio de
anamorfose logarítmica, tal como exemplificado a seguir.
Modelo multiplicativo do tipo
Y 0 X 11 X 2 2 (9.90)
Após a transformação obtêm-se:
ln Y ln 0 1 ln X 1 2 ln X 2 ln (9.91)
No caso de um modelo exponencial
Y e0 1 X1 2 X 2 (9.92)
A transformação logarítmica resulta em:
ln Y 0 1 X 1 2 X 2 ln 388
HIDROLOGIA ESTATÍSTICA
(9.93)
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
9.8.7 – Comentários Sobre a Regressão Múltipla
Em situações onde as variáveis explicativas são fortemente correlacionadas podem
ocorrer problemas na regressão múltipla. Variáveis colineares não fornecem novas
informações, dificultando a interpretação dos coeficientes obtidos na regressão,
pois em alguns casos o sinal do coeficiente de regressão pode ser o oposto do
esperado. Por isso é fortemente recomendável a montagem de uma matriz de
coeficientes de correlação simples entre as variáveis explicativas para verificar a
existência de uma possível colinearidade entre essas variáveis. Um modo expedito
de evitar a colinearidade é a eliminação de uma, entre cada conjunto de duas
variáveis explicativas que apresentarem coeficientes de correlação superiores a
0,85. Desse modo, espera-se que as variáveis mantidas no modelo de regressão
contribuam significativamente para explicar a variabilidade de Y.
O número de observações disponíveis para a análise de regressão deve ser no
mínimo 3 a 4 vezes maior que o número de coeficientes da equação regressão
que serão estimados. Esta regra procura evitar um falso ajuste causado pelas
oscilações que podem ocorrer nas variáveis independentes e que são de difícil
detecção nas amostras muito pequenas.
Existem alguns procedimentos que facilitam a elaboração dos modelos de
regressão múltipla, do ponto de vista da seleção de variáveis explicativas. Dentre
os vários métodos podem ser destacado o de todas as equações possíveis e o da
regressão passo a passo.
As diferentes combinações das variáveis independentes permitem a construção
de vários modelos de regressão. Caso as equações de regressão tenham um
intercepto, 1 , podem ser definidos 2 P 1 modelos, onde P é o número de variáveis
independentes. A definição pelo melhor modelo está associada à análise de cada
um separadamente.
A regressão passo a passo consiste na incorporação ao modelo de uma variável,
a cada vez, com o objetivo de explicar a maior parte da variância que ainda não
foi explicada pelo modelo. Esse método inicia-se com a variável independente
que apresenta o maior coeficiente de correlação simples com a variável dependente.
Em seguida, é acrescentada uma variável independente à equação, a cada passo,
com a avaliação da significância do modelo elaborado e de suas variáveis
explicativas, por meio do teste do F parcial. Se a contribuição de uma das variáveis
explicativas não for considerada significativa, ela é retirada do modelo.
A definição sobre qual a melhor equação de regressão a ser adotada envolve
HIDROLOGIA ESTATÍSTICA
389
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
certa subjetividade. Entretanto, a avaliação da equação de regressão pode ser
realizada objetivamente a partir das considerações descritas a seguir. O erro padrão
da estimativa deve ser inferior ao desvio padrão da variável independente,
0 S e S Y , pelos mesmos motivos apontados para a regressão linear simples.
O coeficiente de determinação deve se aproximar de 1, pois quanto maior o valor
desse coeficiente, maior será a proporção da variância explicada pelo modelo.
Os testes F total, F parcial e o teste t dos coeficientes da regressão devem ser
aplicados para avaliar a significância de cada preditor e do modelo. O sinal do
coeficiente de correlação entre uma variável explicativa (Xi) e a variável dependente
(Y) deve ser o mesmo do coeficiente da regressão associado a essa variável
independente. Os resíduos devem ser examinados através de gráficos com as
variáveis independentes e dependentes, para identificar deficiências na equação
de regressão e conferir as hipóteses da regressão. E finalmente, comparar os
valores previstos com a equação de regressão e dados observados.
Uma maneira de se avaliar os resultados da equação de regressão é verificar a
capacidade do modelo prever a variável dependente a partir de observações das
variáveis explicativas que não foram utilizadas na estimativa dos coeficientes da
regressão. Obviamente, para se fazer essa avaliação é necessário que os dados
observados sejam separados aleatoriamente em dois grupos, um para estimar os
coeficientes da regressão e o outro para verificar o modelo. Entretanto, na maioria
dos casos, o número reduzido de observações não permite esse procedimento.
Exemplo 9.2 – Em um estudo de regionalização de vazões mínimas com 7
dias de duração na bacia do rio Paraopeba, no qual foi aplicado o método
index-flood, definiu-se uma região homogênea com 15 estações
fluviométricas. Nesse estudo as médias das vazões mínimas anuais com 7
dias de duração foram utilizadas como fator de adimensionalização das
séries. Defina um modelo de regressão que permita a estimativa do fator
index-flood em locais que não possuam estações fluviométricas utilizando
como prováveis variáveis explicativas as apresentadas na Tabela 9.6.
Tabela 9.6 – Vazões mínimas, área de drenagem, declividade
e densidade de drenagem
Estação
Qmin méd (m³/s)
Área (Km²)
I equiv (m/km)
DD (Junções/Km²)
Estação
Qmin méd (m³/s)
Área (Km²)
I equiv (m/km)
DD (Junções/Km²)
390
1
2,6
461
2,69
0,098
9
21,16
3939
1,21
0,134
HIDROLOGIA ESTATÍSTICA
2
1,49
291
3,94
0,079
10
30,26
5414
1,08
0,018
3
1,43
244
7,20
0,119
11
28,53
5680
1,00
0,141
4
3,44
579
3,18
0,102
12
1,33
273
4,52
0,064
5
1,37
293
2,44
0,123
13
0,43
84
10,27
0,131
6
2,53
486
1,25
0,136
14
39,12
8734
0,66
0,143
7
15,12
2465
1,81
0,121
15
45
10192
0,60
0,133
8
16,21
2760
1,59
0,137
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Solução: Inicialmente avalia-se a existência de colinearidade entre as variáveis
explicativas através da matriz de correlações como apresentado a seguir.
Tabela 9.7 – Matriz de correlações
Qmin méd (m³/s)
Área (Km²)
I equiv (m/km)
Qmin méd (m³/s)
1
Área (Km²)
0,992
1
I equiv (m/km)
-0,625
-0,594
1
DD (Junções/Km²)
0,141
0,186
-0,049
DD (Junções/Km²)
1
Analisando a Tabela 9.7 observa-se que não existe colinearidade entre as
variáveis independentes e que aparentemente as médias das vazões mínimas
com 7 dias de duração apresentam uma forte relação linear com a área de
drenagem. Assim, para verificar a linearidade entre as variáveis e a possível
ocorrência de correlações espúrias foram elaborados os diagramas de
dispersão da Figura 9.21.
Figura 9.21 – Diagramas de dispersão
Os resultados da Tabela 9.7 e os gráficos da Figura 9.21 indicam que no
modelo de regressão a ser adotado terá obrigatoriamente como uma das
variáveis explicativas a área de drenagem. Sendo assim, o problema se
restringe a avaliar se a inclusão de novas variáveis trará melhora significativa
aos resultados do modelo. O modelo de regressão adotado será do tipo
multiplicativo como apresentado a seguir:
Q 0 A 1 X 2 2 X 3 3
(9.94)
Após a transformação logarítmica obtêm-se:
ln Q ln 0 1 ln A 2 ln X 2 3 ln X 3
(9.95)
Assim, para calcular os parâmetros da equação 9.95 é necessário calcular
os logaritmos das variáveis independentes e dependentes conforme está
apresentado na Tabela 9.8
HIDROLOGIA ESTATÍSTICA
391
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Tabela 9.8 – Logaritmos das variáveis
Estação
Qmin méd (m³/s)
Área (Km²)
I equiv (m/km)
DD (Junções/Km2)
Estação
Qmin méd (m³/s)
Área (Km²)
I equiv (m/km)
DD (Junções/Km²)
1
2
0,9555
0,3988
0,3577 1,2355 0,3148 0,9282 2,7160
2,7856
6,1343
5,6737
5,4972 6,3604 5,6812 6,1870 7,8100
7,9230
0,9895
1,3712
1,9741 1,1569 0,8920 0,2231 0,5933
0,4637
-2,3276
-2,5382
-2,1299 -2,2829 -2,0977 -1,9974 -2,1095 -1,9908
3
4
5
6
8
7
9
10
3,0521
3,4098
3,3510 0,2852 -0,8440 3,6666 3,8067
8,2787
8,5968
8,6448 5,6095 4,4296 9,0750 9,2293
0,1906
0,0770
0,0000 1,5085 2,3292 -0,4155 -0,5108
-2,0077
-4,0118
-1,9614 -2,7423 -2,0317 -1,9465 -2,0207
11
12
13
14
15
A definição sobre quais serão as variáveis explicativas que comporão o
modelo de estimativa das vazões mínimas é realizada através da análise das
equações de regressão que contenham as seguintes variáveis independentes:
somente a área de drenagem (QA); a área de drenagem e a declividade
(QAI); a área de drenagem e densidade de drenagem (QADD); e área de
drenagem, a declividade e a densidade de drenagem (QAIDD). A avaliação
da inclusão de uma nova variável ao modelo QA é realizada através do teste
da significância da equação de regressão linear múltipla e do teste de partes
de um modelo de regressão linear múltipla.
Inicialmente analisa-se o modelo que utiliza somente a área de drenagem
como variável independente, ou seja,
Q 0 A1
(9.96)
ln Q ln 0 1 ln A
(9.97)
A Tabela 9.9 apresenta os somatórios dos quadrados e a estatística F do
teste de significância da equação de regressão na forma de uma tabela
ANOVA.
Tabela 9.9 – ANOVA modelo QA
gl
SQ
Regressão
1
33,04321
33,04321
MQ
Resíduo
13
0,147322
0,011332
Total
14
33,19053
F
2915,798
O modelo QA é considerado significativo, pois a hipótese nula do teste,
1 0 , é rejeitada uma vez que:
392
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
F 2916 F 0,05;1;13 4,67
(9.98)
Os parâmetros do modelo QA, o coeficiente de determinação e o erro
padrão estão na Tabela 9.12. A inclusão da declividade como mais uma
variável explicativa no modelo da equação 9.96 resulta em:
Q 0 A1 I 2
(9.99)
ln Q ln 0 1 ln A 2 ln I
(9.100)
Os parâmetros do modelo QAI, o coeficiente de determinação e o erro
padrão estão na Tabela 9.12. A estatística F do teste de significância da
equação de regressão e os somatórios dos quadrados do modelo QAI
estão na Tabela 9.10.
Tabela 9.10 – ANOVA modelo QAI
gl
SQ
MQ
Regressão
2
33,07298
16,53649
Resíduo
12
0,11755
0,009796
Total
14
33,19053
F
1688,119
O modelo QAI também é considerado significativo pois a estatística do
teste é maior que o valor de referência para um nível de significância de 5%,
ou seja, F 1688 F 0 ,05;2;12 3,89 . A contribuição da variável
declividade para a soma dos quadrados da regressão, SQ Re g X I ,
considerando que a variável área de drenagem já está incluída, é estimada
pela equação 9.73.
SQ Re g X I 33,07 33,04 0 ,03
A estatística do teste de partes de um modelo de regressão linear múltipla é
calculada pela equação 9.74. Sendo assim,
FP SQ Re g X I 0 ,03
3,04
MQ Re s
0 ,0098
Como FP 3,04 F 0 ,05;1;12 4 ,75 , a inclusão da variável
declividade não melhora significativamente o modelo quando se considera
um nível de significância de 5%.
HIDROLOGIA ESTATÍSTICA
393
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Acrescentando a densidade de drenagem como mais uma variável explicativa
no modelo da equação 9.96 obtêm-se:
Q 0 A1 DD 2
(9.101)
ln Q ln 0 1 ln A 2 ln DD
(9.102)
Os parâmetros do modelo QADD, o coeficiente de determinação e o erro
padrão estão na Tabela 9.12. A estatística F do teste de significância da
equação de regressão e os somatórios dos quadrados do modelo QADD
estão na Tabela 9.11.
Tabela 9.11 – ANOVA modelo QADD
gl
SQ
MQ
Regressão
2
33,04797
16,52399
Resíduo
12
0,142557
0,01188
Total
14
33,19053
F
1390,935
O teste da significância da equação de Regressão Linear Múltipla indicou
que o modelo QADD pode ser considerado significativo para um nível de
significância de 5%, uma vez que F 1390,9 F 0,05;2;12 3,89.
A contribuição da variável densidade de drenagem para a soma dos
quadrados da regressão, SQ Re g X DD , considerando que a variável área
de drenagem já está incluída, é estimada pela equação 9.73.
SQ Re g X DD 33,048 33,043 0 ,005
A estatística do teste de partes de um modelo de regressão linear múltipla é
calculada pela equação 9.74. Sendo assim,
FP SQ Re g X I 0 ,005
0,40
MQ Re s
0 ,01188
A inclusão da variável densidade de drenagem não melhora significativamente
o modelo quando se considera um nível de significância de 5%, pois
FP 0,40 F 0,05;1;12 4,75 .
Acrescentando a densidade de drenagem como mais uma variável explicativa
no modelo da equação 9.99 obtêm-se:
394
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Q 0 .A1 .I 2 DD 3
(9.103)
ln Q ln 0 1 ln A 2 ln I 3 ln DD
(9.104)
Os parâmetros do modelo QAIDD, o coeficiente de determinação e o erro
padrão estão na Tabela 9.12. Entretanto, como a inclusão das variáveis
declividade e densidade de drenagem mostrou-se não significativa, não é
necessário avaliar o modelo a três variáveis explicativas, uma vez que teríamos
um modelo significativo, mas com excesso de variáveis explicativas que não
contribuem significativamente para a explicação da variância total da vazão
mínima com 7 dias de duração.
Tabela 9.12 – Parâmetros dos modelos
Modelo
QA
QAI
QADD
QAIDD
ln ( 0)
-5,1696
-5,7309
-5,24512
-5,7579
( 1)
0,9889
1,0551
0,9884
1,05224
( 2)
0,1344
-0,0348
0,12930
( 3)
- 0,0223
2
0,9956
0,9965
0,9957
0,9965
Erro Padrão
0,1065
0,0990
0,1090
0,1025
Analisando os resultados anteriores verifica-se que a inclusão das variáveis
declividade e densidade de drenagem não traz ganhos significativos ao modelo
de estimativa das vazões mínimas médias com 7 dias de duração. Dessa
forma, o melhor modelo é o que adota somente a área de drenagem como
variável explicativa, ou seja, a equação 9.97. A partir do comportamento
dos resíduos na Figura 9.22 verifica-se que os resíduos são independentes e
que a variância pode ser considerada aproximadamente constante. A Figura
9.22 apresenta o ajuste entre os resíduos e uma distribuição normal de média
zero e desvio padrão igual a 0,1065.
A análise de regressão foi realizada com dados transformados, sendo assim,
é necessário realizar a operação de inversão do parâmetro ln 0 para definir
o modelo na forma da equação 9.96.
0 expln 0 exp 5,1696 0,00569
Q 0,00596 A0 ,9889
HIDROLOGIA ESTATÍSTICA
395
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
Figura 9.22 – Resíduos
Exercícios
1 – Deduzir a equação 9.28
2 – Mostrar que a correlação entre a variável independente, Y , e a sua estimativa,
Ŷ , é equivalente ao coeficiente de correlação da regressão simples.
3 – A Tabela 9.13 apresenta os valores da área de drenagem e a vazão média de
longo termo de 22 estações fluvioméricas da bacia do alto rio São Francisco.
Estime a equação de regressão linear considerando a área de drenagem (km²)
como a variável independente.
a) Verificar se os desvios atendem a hipótese de homoscedasticidade
b) Calcular o erro padrão e o coeficiente de determinação
c) Plotar os intervalos de confiança de 95% da linha de regressão e do valor
previsto.
Tabela 9.13 – Áreas de drenagem e vazões médias de longo termo – Exercício 3
Estação
Área (km2)
Qmlt (m3/s)
Estação
1,32
9
1206,9
19,3
17
5680,4
85,7
2,29
10
1743,5
34,2
18
8734
128
279,4
4,24
11
2242,4
40,9
19
10191,5
152
4
481,3
7,34
12
3727,4
65,3
20
13881,8
224
5
675,7
8,17
13
4142,9
75,0
21
14180,1
241
6
769,7
8,49
14
4874,2
77,2
22
29366,18
455
7
875,8
18,9
15
5235
77,5
8
964,2
18,3
16
5414,2
86,8
Área (km2)
Qmlt (m3/s)
1
83,9
2
188,3
3
Estação
Área (km2)
Qmlt (m3/s)
4 – (Adaptado de Haan,1979) Estime a equação de regressão do exercício 3
considerando a vazão média de longo termo como variável independente.
a) O modelo obtido concorda com o estimado no exercício anterior
b) Os modelos deveriam concordar? Por quê?
396
HIDROLOGIA ESTATÍSTICA
Q
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
5 – Utilizando os dados da Tabela 9.13, estime a equação de regressão
considerando uma relação potencial entre a vazão média de longo termo e a área
de drenagem, ou seja, Q = kAC . Compare os resultados do modelo com os
obtidos no exercício 3.
6 – Em muitos casos é mais conveniente utilizar um modelo de regressão do tipo
Y = ax, ou seja, a reta de regressão passa pela origem e o parâmetro b é igual a
zero.
a) Deduza a equação normal para essa situação
b) Calcule a reta de regressão passando pela origem para os dados do exercício
3.
7) Deduzir as equações normais para o seguinte modelo parabólico
Q = a + bH + cH 2 , no qual Q denota as descargas e H os níveis d’água em uma
estação fluviométrica.
8) A Tabela 9.14 apresenta uma lista de medições de descargas realizadas em um
posto fluviométrico.
Tabela 9.14 – Lista de medições de descargas do exercício 8
Q a bH cH
2
H (m)
0,0
0,8
1,19
1,56
Q (m3/s)
20
40
90
120
Q (m3/s)
170
240
300
680
H (m)
1,91
2,36
2,70
4,07
H (m)
4,73
4,87
5,84
7,19
Q (m3/s)
990
990
1260
1920
H (m)
8,21
8,84
9,64
——
Q (m3/s)
2540
2840
3320
——
a) Faça um gráfico dos pontos cota-descarga com H em ordenadas e Q em
abcissas.
b) Estime a relação cota-descarga (curva chave), usando os seguintes modelos
de regressão:
Q a bH cH 2
Q a H h0 n onde h0 representa a cota para a vazão nula.
c) Desenhe no gráfico do item (a) as duas curvas ajustadas. Decida qual é o
melhor modelo de regressão a partir da comparação da variância residual, dada
n
∑ Q
obs
i
pela fórmula S res2 Qiest i 1
n k 1
2
, onde n é o tamanho da amostra, k é o número
de variáveis explicativas e os índices obs e est referem-se aos valores observados
e estimados, respectivamente.
d) Uma ponte será construída nesse local, o qual situa-se a cerca de 500 m a
jusante de uma barragem. O tabuleiro dessa ponte deverá ter uma altura
suficientemente grande para permitir a passagem da descarga de projeto do
HIDROLOGIA ESTATÍSTICA
397
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
vertedor da barragem que é de 5200 m3/s. Determine a cota altimétrica mínima
do tabuleiro da ponte, sabendo que o RN-2, de cota arbitrária 5,673 m em relação
ao zero da régua, possui cota altimétrica 731,229 m.
Figura 9.23 – Exercício 8
9 – A curva de dupla massa é muito utilizada em engenharia de recursos hídricos
para detectar problemas na consistência de dados pluviométricos. Essa curva
permite a comparação gráfica entre os valores acumulados das precipitações anuais
(ou mensais) observadas na estação em análise e os valores acumulados das
precipitações anuais (ou mensais) regionais, que são estimadas como as médias
aritméticas de várias estações vizinhas. A Tabela 9.15 apresenta os totais anuais
de uma estação em análise e da média regional. Grafe a precipitação acumulada
regional no eixo das abscissas e a precipitação acumulada da estação em análise
no eixo das ordenadas.
a) A partir de que ano parece haver uma mudança na inclinação da curva de dupla
massa?
b) Calcule as inclinações das retas de regressão considerando dois cenários
distintos. O primeiro, com os dados anteriores a aparente mudança de inclinação
e o outro utilizando os dados posteriores a essa alteração.
c) Testar a hipótese das inclinações serem significativamente diferentes.
Tabela 9.15 – Dados do exercício 9
Ano
1960
1700
Analisada (mm)
Média Regional (mm) 1067
1961 1962
1300 2100
857 1440
1963 1964
1900 1800
1393 1233
1965
1200
980
1966 1967
1450 1250
1177 1043
1968
1710
1490
1969 1970
1700 1400
1450 1200
10 – Em um estudo de regionalização de vazões máximas, no qual foi aplicado o
método index-flood, definiu-se uma região homogênea com 13 estações
398
HIDROLOGIA ESTATÍSTICA
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
fluviométricas. Nesse estudo as médias das vazões máximas foram utilizadas como
fator de adimensionalização das séries. Defina um modelo de regressão que permita
a estimativa do fator index-flood em locais que não possuam estações
fluviométricas utilizando como possíveis variáveis explicativas as apresentadas na
Tabela 9.16. Calcular o erro padrão e plotar os intervalos de confiança de 90%
do plano de regressão e do valor previsto.
Tabela 9.16 – Dados do exercício 10
Estações
P médio (m)
I equiv (m/km)
1
Q max médio
12,6
Área (Km2)
83,9
1,436
10,27
L (km)L (km)
2
29,8
188,3
1,460
3,1
26,4
3
30,4
244
1,466
7,2
18,3
4
35,5
273
1,531
4,52
40
5
31,5
291,1
1,462
3,94
32,7
18
6
64,7
461,4
1,400
2,69
52
7
86,9
486,4
1,369
1,25
47,3
8
78,2
578,5
1,464
3,18
41,6
9
74,5
675,2
1,485
2,96
53,8
10
241,6
2465,1
1,409
1,81
88,9
11
437,1
3939,2
1,422
1,21
187,4
12
541,7
5414,2
1,448
1,08
218,2
13
534,2
5680,4
1,449
1
236,33
HIDROLOGIA ESTATÍSTICA
399
CAPÍTULO 9 - CORRELAÇÃO E REGRESSÃO
400
HIDROLOGIA ESTATÍSTICA
Download

Correlação e Regressão